简介：本文梳理了汉代墓葬中的龙虎图像组合资料,从"空间性"及组合关系的角度出发,尝试拓宽取材标准,并结合这些材料的地域分布、表现形式及空间位置等,对其进行分类。分析了龙虎图像组合的功能,并以此作为切入点,探寻其所反映出的汉代人的生死观和宇宙观。

简介：

简介：摘要：高光谱图像的波段多、维度高，图像中蕴含着丰富的信息，在军事、农业、食品和医学等领域具有重要的应用价值。高光谱图像分类是高光谱领域的研究热点，对于促进经济发展和改善民生福祉具有重要意义。然而，由于高光谱图像存在数据冗余性大和标记样本数量不足等问题，严重影响分类精度的进一步提高。因此，为了充分提取高光谱图像中的判别性特征，在有限的标签样本和较低的计算成本下取得较好的分类结果，本文的主要研究了针对高光谱图像的判别性特征提取难度大以及计算冗余的问题，提出了一种基于密集非对称卷积与空洞卷积空闲块网络的高光谱图像分类算法。

简介：遥感技术在工程地质勘察中应用越来越广泛。工程勘察的技术特点要求遥感资料满足多空间分辨率、高空间坐标精度的要求。本文在对遥感图像的通用格式GeoTIFF进行研究的基础上提出一种快速的坐标转换方法。根据本文提出方法，可以很方便的实现遥感图像的坐标转换，将遥感图像的空间信息转换到不同坐标系下。

简介：摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源，同时人工智能技术的发展促进深度学习应用水平不断提升，推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分，第一部分针对目前主流的深度学习MRI图像分类模型：卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先，阐述了各模型的历史沿袭、最初针对的问题及主要思想；其次，概括了模型的网络架构并探讨其在MRI图像分类上的最新应用；然后，分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素；第三部分提出了一些广泛使用的性能增强技术；文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制，并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较，以及各种深度学习模型的有效性，有望促进脑肿瘤研究的进展。

简介：不同类型的地物具有不同的反射光谱,在多维光谱空间中构成不同的特征向量,这便是我们利用多光谱图像区分地物的物理依据.多光谱图像分类的精度受到多种因素的影响,如模式样本集的数据结构、分类特征的提取、距离测度、分类准则、分类数目等.本文引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),通过与欧氏距离的比较分析与综合,提出一种可以兼顾到光谱亮度与光谱向量方向(近似为光谱形状)的距离测度,并应用于K-均值动态聚类中,通过与传统分类方法的比较,证明这种方法的有效性.

简介：摘 要

简介：摘要:高光谱图像分类一直是遥感领域的研究热点。由于高精度光谱特征的遥感对象图像富含深层次特征的光谱信息和空间信息,以及待捕捉特征的光谱信息与高精度光谱遥感数据采集对象之间的非线性空间关系,这些传统分类方法无法对特征进行准确分类,如何利用这些光谱信息对深层次特征进行准确分类识别,如何准确提取地物的深层特征并使其更容易分类,是高精度光谱遥感图像特征分类领域下一步技术研究的热点。目前,卷积神经网络模型作为工业深度学习的主要技术模型,已经发展成为工业图像分析处理的重要技术应用。深度机器学习特征方法系统作为一种强大的特征提取器,广泛应用于高精度光谱度的图像特征分类和分析任务。如何针对具体问题搭建网络,也是深度学习的研究内容之一。

简介：摘要：Transformer是一种基于自注意力机制（self-attention mechanism）的深度神经网络，这一机制原先用于自然语言处理领域。受Transformer强大的表示能力的启发，研究人员提出将Transformer扩展到细粒度图像分类任务中。与卷积网络和循环网络等其他网络类型相比，基于Transformer的模型在各种视觉领域上能获得更好的性能，因此非常具有竞争力。本文首先将简要介绍Transformer的原理与其各个组成部分；其次，文章从细粒度图像分类的角度介绍相应Transformer的应用；最后本文将介绍Transformer在应用到CV领域时依然存在的不足以及未来可能的研究方向。

简介：摘要：本文针对遥感影像的图像分类与地物识别问题展开研究，提出了一种基于深度学习算法的新型解决方案。首先，采用卷积神经网络（CNN）对遥感影像进行特征提取与学习，提高了图像分类的准确性和效率。其次，引入了多尺度和多模态数据融合技术，进一步提升了地物识别的精度和鲁棒性。实验结果表明，所提出的算法在遥感影像分类与地物识别任务上取得了优异的性能，具有较强的实用性与推广价值。

简介：摘要：本期刊文章研究了图像特征提取与分类识别的方法。文章旨在提供关于图像特征提取和分类识别领域的详细方法，以帮助研究人员更好地理解和应用这些技术。通过各个章节的阐述，详细介绍与该主题相关的不同方法和技术，强调了它们的应用和优点。

简介：图像分割是数字图像处理系统中基本而关键的技术．通过阈值分割是其最简单的技术，它假设目标和背景是可以分离的．详细讨论将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中，提出了相应的算法并用于图像分割，由于自适应遗传算法具有全局搜索最优解能力，因此能在很短时间内自动确定阈值．实验仿真结果表明，该方法不仅可以实现准确的图像分割，并且使得分割速度大大提高．

简介：对焦速度与精度是自动对焦系统中最重要的两个参数，它们决定系统能否迅速地定位到焦点处，以获取清晰的图像。通过对比连续帧图像局部区域清晰度评价函数值来判断对焦趋势，同时控制对焦驱动电机的转动方向，最后进行反向搜索并与最大判据值比较以寻找到最佳成像位置，成功对焦所需最长时间小于2s。经过大量实验证明该方法具有较好的实时性和精确性。

简介：摘要：基于内容的图像检索(CBIR)自90年代初期就已成为计算机视觉领域中一个具有挑战性的问题。其目的是根据查询图像的语义信息从具有海量图片的数据集中找到与查询图像在语义上相似的图像。CBIR方法可以分为两个不同的任务，即类别图像检索(CategorylevelImageRetrieval,CIR)和实例图像检索(InstancelevelImageRetrieval,IIR),也称为实例检索。CIR的任务是找到与查询目标相同类别的任意图像，而IIR的任务是找到与包含特定实例相同实例的查询图像。

简介：纹理分析是肝脏B超图像识别的重要方法,本文利用多进制小波变换提取脂肪肝和正常肝脏的纹理特征,结合空域特性对B超肝脏图像进行分类,采用自适应浮动搜索算法进行特征筛选,经实验测试,取得了较好的效果。

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：摘要：本论文深入研究了深度学习模型在图像分类中的核心原理和应用。我们首先介绍了神经网络基础、深度神经网络、卷积神经网络（CNN）和循环神经网络（RNN）的原理，为理解深度学习提供了坚实的基础。然后，我们深入讨论了图像分类应用中的数据预处理、模型训练、性能评估和模型部署。这一研究为研究人员提供了关键的知识和技术，以利用深度学习在图像分类领域取得更好的成果。

简介：摘要：在深度学习技术迅速发展的背景下，各方对图像识别效率及准确率的需求也有所提升。所以，为更好地使用深度学习图像识别算法与分类算法，可运用多层神经网络，对图像信息进行理解及分类，以满足文字识别、人脸识别、物体识别以及车牌识别等场景要求。基于此,本文结合实际思考，首先简要分析了基于深度学习的图像识别与分类算法相关机理，其次阐述了基于深度学习的图像识别与分类算法分析。

简介：摘 要  针对芯片测试机台测试效率低现状（例如ADVANTEST V93000型号(后简称为V93K)机台中的shmoo图形分类目前仍采用人工检测）,借助机器学习、CA机制（Channel Attention，通道注意力）等理论指导,搭建图像分类器、自建数据集来配合提升识别精度。经过测试满足实际生产要求。

简介：摘要：本文从专利文献的角度对基于深度学习的医学图像技术的发展和现状进行了全面的总结和分析，在分析医学图像自身数据来源多样化以及数据集较小等特点分析了深度学习网络的结合方案，从四个不同的分类总结和现有专利的申请情况，为相关领域的审查员了解技术实质，提高检索效率提供基础。